基于人工神经网络的海底细粒土工程分类研究

摘要

海洋沉积物工程定名对于开展海洋工程建设具有重要作用,然而海底粉土和黏性土的定名受人为因素影响容易产生误差。使用人工神经网络的方法对黄河口埕岛海域284组细粒土数据进行了训练和学习,得到了只利用沉积物粒径质量分数进行定名的方法。结果表明,使用人工神经网络的方法能够有效地对沉积物进行工程定名。当网络含有5个输入层节点、9个隐藏层节点、3个输出层节点、训练函数为Scaled conjugate gradient时定名准确率最高,检验准确率高达97.7%。训练数据的数量是造成神经网络预测存在误差的重要因素,随着数据量的增加,网络的可靠性和通用程度将越来越高。